University of Macau

该工作观察到扰动下一 token 的 logits 或调整采样温度会降低 AI 生成文本检测器的性能，据此提出免训练、与检测器无关的 EASE 框架：它从源 LLM 的下一 token 分布计算预测熵，用该熵同时自适应地调节 logit 扰动强度与采样温度，在三个源 LLM 与多个检测器上一致降低检测性能，且推理开销与文本质量损失很小。

该工作观察到扰动下一 token 的 logits 或调整采样温度会降低 AI 生成文本检测器的性能，据此提出免训练、与检测器无关的 EASE 框架：它从源 LLM 的下一 token 分布计算预测熵，用该熵同时自适应地调节 logit 扰动强度与采样温度，在三个源 LLM 与多个检测器上一致降低检测性能，且推理开销与文本质量损失很小。

研究提出 StrokeAgent——一个围绕时间对齐与持续信息综合构建的多模态智能体决策支持框架，可处理临床记录、实验室结果、原始心电图波形与源多模态 CT 图像，支持急诊分诊、初始溶栓决策与最终再灌注规划，并在 100 例富含复杂再灌注情境的多模态患者数据中与专家最终决策达成 86% 一致率，高于三个无工具大语言模型均值 13 个百分点、高于六名住院与主治神经科医生均值 17 个百分点，完整路径一致率为 76%，平均比病例层面神经科医生中位用时快 73.9 秒，且在 1200 次盲法临床医生评估中获得更高的总体临床效用评分与推理质量评分、更少被判定为存在严重潜在危害。

研究提出 StrokeAgent——一个围绕时间对齐与持续信息综合构建的多模态智能体决策支持框架，可处理临床记录、实验室结果、原始心电图波形与源多模态 CT 图像，支持急诊分诊、初始溶栓决策与最终再灌注规划，并在 100 例富含复杂再灌注情境的多模态患者数据中与专家最终决策达成 86% 一致率，高于三个无工具大语言模型均值 13 个百分点、高于六名住院与主治神经科医生均值 17 个百分点，完整路径一致率为 76%，平均比病例层面神经科医生中位用时快 73.9 秒，且在 1200 次盲法临床医生评估中获得更高的总体临床效用评分与推理质量评分、更少被判定为存在严重潜在危害。